Pendahuluan
Uji Z adalah salah satu uji statistika yang pengujian hipotesisnya didekati dengan distribusi
normal. Menurut teori limit terpusat, data dengan ukuran sampel yang besar akan
berdistribusi normal. Oleh karena itu, uji Z dapat digunakan utuk menguji data yang
sampelnya berukuran besar. Jumlah sampel 30 atau lebih dianggap sampel berukuran
besar. Selain itu, uji Z ini dipakai untuk menganalisis data yang varians populasinya
diketahui. Namun, bila varians populasi tidak diketahui, maka varians dari sampel dapat
digunakan sebagai penggantinya.
Contoh kasus
Sebuah pabrik pembuat bola lampu pijar merek A menyatakan bahwa produknya tahan
dipakai selama 800 jam, dengan standar deviasi 60 jam. Untuk mengujinya, diambil sampel
sebanyak 50 bola lampu, ternyata diperoleh bahwa rata-rata ketahanan bola lampu pijar
tersebut adalah 792 jam. Pertanyaannya, apakah kualitas bola lampu tersebut sebaik yang
dinyatakan pabriknya atau sebaliknya?
Hipotesis
H0 : = μ (rata ketahanan bola lampu pijar tersebut sama dengan yang dinyatakan oleh
pabriknya)
HA : ≠ μ (rata ketahanan bola lampu pijar tersebut tidak sama dengan yang dinyatakan oleh
pabriknya)
Analisis
Nilai Ztabel dapat diperoleh dari Tabel 1. Dengan menggunakan Tabel 1, maka nilai Z0,025
adalah nilai pada perpotongan α baris 0,02 dengan α kolom 0,005, yaitu 1,96. Untuk
diketahui bahwa nilai Zα adalah tetap dan tidak berubah-ubah, berapapun jumlah
sampel. Nilai Z0,025 adalah 1,96 dan nilai Z0,05 adalah 1,645.
Kesimpulan
Karena harga |Zhit| = 0,94 < harga |Ztabel | = 1,96, maka terima H0
Jadi, tidak ada perbedaan yang nyata antara kualitas bola lampu yang diteliti dengan kualitas
bola lampu yang dinyatakan oleh pabriknya.
Contoh kasus
Pupuk Urea mempunyai 2 bentuk, yaitu bentuk butiran dan bentuk tablet. Bentuk butiran
lebih dulu ada sedangkan bentuk tablet adalah bentuk baru. Diketahui bahwa hasil gabah
padi yang dipupuk dengan urea butiran rata-rata 4,0 t/ha. Seorang peneliti yakin bahwa urea
tablet lebih baik daripada urea butiran. Kemudian ia melakukan penelitian dengan ulangan
n=30 dan hasilnya adalah sebagai berikut:
4,0 5,0 6,0 4,2 3,8 6,5 4,3 4,8 4,6 4,1
4,9 5,2 5,7 3,9 4,0 5,8 6,2 6,4 5,4 4,6
5,1 4,8 4,6 4,2 4,7 5,4 5,2 5,8 3,9 4,7
Hipotesis
H0 : = (rata-rata hasil gabah padi yang dipupuk dengan pupuk urea tablet sama dengan padi
yang dipupuk dengan urea butiran)
HA : > (rata-rata hasil gabah padi yang dipupuk dengan pupuk urea tablet lebih tinggi dari
padi yang dipupuk dengan urea butiran)
Analisis
= 4,0 t/h
= 4,9 t/h
Kesimpulan
Karena harga |Zhit| = 6,4286 > harga |Ztabel | = 1,645, maka tolak H0 alias terima HA
Jadi, rata-rata hasil gabah padi yang dipupuk dengan pupuk urea tablet nyata lebih tinggi dari
padi yang dipupuk dengan urea butiran
https://hatta2stat.wordpress.com/2010/12/29/uji-z-2/
Archive for the ‘Uji t’ Category
Uji t Tidak Berpasangan
November 4, 2010
Uji t dikembangkan oleh William Sealy Gosset. Dalam artikel publikasinya, ia menggunakan
nama samaran Student, sehingga kemudian metode pengujiannya dikenal dengan uji t-
student. William Sealy Gosset menganggap bahwa untuk sampel kecil, nilai Z dari distribusi
normal tidak begitu cocok. Oleh karenanya, ia kemudian mengembangkan distribusi lain
yang mirip dengan distribusi normal, yang dikenal dengan distribusi t-student. Distribusi
student ini berlaku baik untuk sampel kecil maupun sampel besar. Pada n ≥ 30, distribusi t ini
mendekati distribusi normal dan pada n yang sangat besar, misalnya n=10000, nilai distribusi
t sama persis dengan nilai distribusi normal (lihat tabel t pada df 10000 dan bandingkan
dengan nilai Z).
Pemakaian uji t ini bervariasi. Uji ini bisa digunakan untuk objek studi yang berpasangan dan
juga bisa untuk objek studi yang tidak berpasangan. Berikut contoh penggunaan uji t.
Contoh kasus
Kita ingin menguji dua jenis pupuk nitrogen terhadap hasil padi
1. Hipotesis
Ho : 1 = 2
HA : 1 ≠ 2
Tabel 1. Data hasil penelitian dua jenis pupuk nitrogen terhadap hasil padi (t/h)
Y1 Y2
1 7 8
2 6 6
3 5 7
4 6 8
5 5 6
6 4 6
7 4 7
8 6 7
9 6 8
10 7 7
11 6 6
12 5 7
Hitunglah
1= 5.58
S1 = 0.996
2 = 6.92
S2 = 0.793
=( 5.58 – 6.92)/√(0.9962/12)+(0.7932/12)
= -1.34/0.367522 = -3.67
Setelah itu, kita lihat nilai t table, sebagai nilai pembanding. Cara melihatnya adalah sebagai
berikut. Pertama kita lihat kolom α = 0.025 pada Tabel 2. Nilai α ini berasal dari α 0.05
dibagi 2, karena hipotesis HA kita adalah hipotesis 2 arah (lihat hipotesis). Kemudian, kita
lihat baris ke 22. Nilai 22 ini adalah nilai df, yaitu n1+n2-2. Nilai n adalah jumlah ulangan,
yaitu masing 12 ulangan. Akhirnya, kita peroleh nilai t table = 2.074.
Tabel 2. Nilai t
α
df
0.05 0.025 0.01
0.005
6.314 12.706 31.821 63.657
1
2 2.920 4.303 6.965
9.925
2.353 3.182 4.541 5.841
3
4 2.132 2.776 3.747
4.604
2.015 2.571 3.365 4.032
5
1.943 2.447 3.143
6 3.707
7 1.895 2.365 2.998
3.499
1.860 2.306 2.896 3.355
8
9 1.833 2.262 2.821
3.250
1.812 2.228 2.764 3.169
10
11 1.796 2.201 2.718
3.106
1.782 2.179 2.681 3.055
12
13 1.771 2.160 2.650
3.012
1.761 2.145 2.624 2.977
14
15 1.753 2.131 2.602
2.947
1.746 2.120 2.583 2.921
16
17 1.740 2.110 2.567
2.898
1.734 2.101 2.552 2.878
18
19 1.729 2.093 2.539
2.861
1.725 2.086 2.528 2.845
20
21 1.721 2.080 2.518
2.831
1.717 2.074 2.508 2.819
22
23 1.714 2.069 2.500
2.807
1.711 2.064 2.492 2.797
24
25 1.708 2.060 2.485
2.787
1.706 2.056 2.479 2.779
26
27 1.703 2.052 2.473
2.771
1.701 2.048 2.467 2.763
28
29 1.699 2.045 2.462
2.756
1.697 2.042 2.457 2.750
30
40 1.684 2.021 2.423
2.704
1.676 2.009 2.403 2.678
50
100 1.660 1.984 2.364
2.626
1.645 1.960 2.327
10000 2.576
5. Kesimpulan
Karena nila thit|= 3.67 (tanda minus diabaikan) dan nilai t table=2.074, maka kita tolak H0,
alias kita terima HA. Dengan demikian, 1 ≠ 2, yaitu hasil padi yang dipupuk dengan pupuk
A tidak sama dengan hasil padi yang dipupuk dengan pupuk B. Lebih lanjut, kita lihat bahwa
rata-rata hasil padi yang dipupuk dengan pupuk B lebih tinggi daripada yang dipupuk dengan
pupuk A. Dengan demikian, kita dapat menyimpulkan bahwa pupuk B nyata lebih baik
daripada pupuk A untuk meningkatkan hasil padi.
https://hatta2stat.wordpress.com/category/uji-t-2/
Konsep penggunaan pada Uji T dan Z
Uji-t dan z pada dasarnya sama, yaitu sama-sama membandingkan kedua sampel apakah berasal dari
populasi yang sama atau tidak, sebagai alat analisis penelitian uji-t dan z ini ada beberapa persyaratan
a. Bila suatu penelitian dalam permasalahannya mempunyai lebih dari satu variabel, maka variabel
terikat (dependent) datanya harus bersifat berurutan (interval). Sedangkan untuk variabel bebas
(independent) datanya harus berbentuk boleh tidak tersusun (nominal). Data harus independen satu
c. Penerapan pada uji-t dan uji-z ada perbedaannya yaitu hanya terletak pada jumlah sampel yang
digunakan. Untuk uji-z sampel n > 30 yang sudah diketahui standar deviasinya, sedangkan uji-t
d. Data yang digunakan berjenis probability sampling (teknik sampling yang memberikan peluang yang
sama bagi setiap unsur (anggota) populasi untuk dipilih menjadi sampel, atau pengambilan sempel
Uji-t (t-test) adalah statistik uji yang selalu muncul dalam masalah-masalah praktis statistik
parametrik yang digunakan ketika informasi suatu data mengenai nilai ragam populasinya tidak
diketahui.
Uji ini sering digunakan untuk menguji kebenaran data yang digunakan si peneliti.
a) Uji-t untuk satu variabel untuk satu arah kiri dan kanan (one tail)
Keterangan:
n = Jumlah sampel
Suatu penelitian dinyatakan bahwa dilakuakan uji dua pihak, yaitu apabila rumusan masalahnya
null hypotesys Ho dinyatakan dengan kalimat sama dengan (=) , maka rumusan Ha harus dinyatakan
dengan bunyi kalimat tidak sama dengan (≠). Prosedur uji statistiknya sama dengan uji satu pihak kiri.
Agar lebih mudah dan ringkas , mari kita langsung kerjakan dalam bentuk manual dan SPSS versi 17.
Contoh soal:
Seorang Mahasiswa jurusan Syariah melakukan penelitian dengan menduga tingkat kualitas
dosen mata kuliah Matematika Dasar Fakultas Z 80% dari materi mata kuliahnya. Untuk
membuktikan dugaan tersebut maka peneliti melakukan penelitian dengan mengambil sampel
sebanyak 20 orang untuk mengisi angket dengan jujur dan adil maka peneliti melakukan 11
pertanyaan. Instrumen penelitian ini dilakukan dengan menganalisis profesi responden yang diberi
skala: (4) = Sangat baik, (3) = Baik, (2) = Cukup , (1) = Kurang Baik. Dengan taraf kepercayaan 95%
20 36 30 39 28 37 46 20 35 23 28 14 18 28 47 37 22 25 29 31
Jadi, 80% dari rata-rata nilai idealnya = 0,8 x 44 = 35,2 atau (µo) = 35,2
“Analisis Kualitas Dosen Mata Kuliah Matematika Dasar pada Fakultas Z pada tahun 2014”
c. Rumusan masalahnya adalah “Bagaimanakah kualitas dosen mata kuliah matematika dasar pada
d. Sampel
Sampel yang diambil berkategori probability sampling (setiap individu yang terdapat dalam populasi
dan dapat dijadikan sampel), jenisnya simple random homogen (anggota populasi homogen). Jumlah
Ho : Pernyataan atau dugaan yang menyatakan nilai paling rendah atau sama dengan dari suatu objek
penelitian.
Ha : Pernyataan atau dugaan yang menyatakan nilai paling tinggi atau maksimum dari suatu objek
penelitian.
Misalnya:
Ho : kualitas Dosen mata kuliah Matematika dasar tidak sama dengan 80% dari nilai rata-rata idealnya
Ha : kualitas dosen mata kuliah matematika dasar sama dengan 80% dari nilai rata-rat idelanya.
Ho : µ ≠ µo
Ha : µ = µo
Ho : µ ≠ 35,2
Ha : µ = 35,2
g. Tahap ini kita menentukan peluang resiko menolak hipotesisnya yang benar sebanyak 5%.
h. Kaidah pengujian
Dua arah
761 925
Ӿ=
= = 38,05
3) Menghitung nilai standar deviasi
S =
= 6,96211
4) Menghitung t hitung
=
=
= 2,118
5) Menghitung t tabel
Dengan taraf signifikan α = 0,05/2 = 0,025 (dua sisi). Lalu dicari nilai t tabel pada tabel distribusi t
Membandingkan t hitung dan t tabel adalah utuk memahami hipotesis Ho ditolak atau diterima. Pada
penelitian ini hipotesis yang diterima adalah Ho ditolak, karena t tabel(α) = 2,1101< t hitung = 2,118, maka
Ha diterima.
h. Kesimpulannya
Kualitas mengajar dosen mata kuliah Matematika dasar sam dengan 80% daari nilai rata-rata
idealnya..
Daerah Penolakan
Ho
- 2,101 -2,101 2,118
Uji-z (z-test) adalah uji statistik yang sering kali kita jumpa dalam masalah praktis statistik. Uji-z
termasuk dalam golongan statistik parametrik. Uji-z digunakan ketika data n > 30. Untuk
mempersingkat waktu, uji-z yang sering digunakan yaitu uji-z dua arah (two tail), apabila rumusan
null hipotesys Ho yang dinyatakan dengan kalimat sama dengan (=), maka rumusan Ha harus
dinyatakan dengan bunyi tidak sama dengan (≠), prosedur uji statistik ini sama dengan uji pihak kiri.
Contoh :
Dosen ilmu falak fakultas syariah program studi muamalah IAIN Langsa, menduga bahwa
kemampuan berhitung hisab awal waktu shalat dalam mata kuliah ilmu falak pada kelas selasa sore
sama dengan 75% dari nilai maksimum. Utuk membuktikan dugaan tersebut diambil nilai UAS setiap
mahasiswa kelas Selasa sore yang berjumlah 44 orang. Buktikanlah apakah dugaan Dosen Ilmu Falak
itu benar atau salah dengan taraf signifikan α = 12%. Hasil pengumpulan data nilai UAS disajikan
Langkah-langkah menjawab:
Berdasarkan permasalahan di atas, maka:
a. Judul penelitian
Analisis Kemampuan Berhitung Mahasiswa Materi Kuliah Ilmu Falak Mahasiswa Fakultas Syariah
c. Rumusan Masalahnya
Bagaimanakah daya serap ilmu falak pada materi berhitung hisab awal waktu shalat, mahasiswa
Fakultas Syariah?
d. Sampel
Sampel yang diambil berkategori probability sampling, dengan jenis simple random sampling
Ho : Kemampuan berhitung hisab awal waktu shalat dalam mata kuliah ilmu falak pada kelas selasa sore
Ha : Kemampuan berhitung hisab awal waktu shalat dalam mata kuliah ilmu falak pada kelas selasa sore
Ho : µ ≠ 75
Ha : µ = 75
h. Kaidah pengujian
Tabel Penolong Mencari Nilai Standar Deviasi Untuk uji-Z dua sisi
Resp X1 Ӿ X1-Ӿ (X1-Ӿ)2
3340 4813,6
Ӿ=
= = 835
= 10,58
8) Menghitung t hitung
=
=
= 0,569886 = 0,57
9) Menghitung z tabel
Nilai z tabel dapat dicari menggunakan tabel distribusi normal dengan cara:
Membandingkan z hitung dan z tabel adalah utuk memahami hipotesis Ho ditolak atau diterima. Pada
penelitian ini hipotesis yang diterima adalah Ho, maka Z tabel ≤ Z hitung ≤ Z tabel (α/2), ternyata -1,56 < 0,57
< 1,56
l. Kesimpulannya
Kemampuan berhitung hisab awal waktu shalat dalam mata kuliah ilmu falak pada kelas selasa sore